In internationale Gesundheitskonferenz diese Woche, Wissenschaftler ausUniversität von Washington e Microsoft Research wird eine präsentieren neue Technologie Dies ermöglicht es medizinischen Fachkräften, die Vitalfunktionen (Puls und Herzfrequenz) eines Patienten aus der Ferne zu überwachen.
Das Tool verwendet die Kamera eines Smartphones oder Computers, um das Gesichtsvideo einer Person aufzunehmen. Dieses Video wird analysiert, um Änderungen des von der Haut eines Patienten reflektierten Lichts zu messen, was wiederum mit Änderungen des Blutvolumens und der Durchblutung zusammenhängt.
Forscher von UW und Microsoft verwendeten maschinelles Lernen und drei Datensätze mit Video- und Gesundheitsstatistiken, um ihr System zu trainieren.
Haftungsausschluss
Dies ist in der jüngeren Vergangenheit auch bei anderen Projekten des maschinellen Lernens geschehen. Auch hier funktionierte die Technologie zwischen Menschen verschiedener Rassen weniger genau. In diesem Fall reflektiert hellere Haut mehr, während dunklere Haut mehr Licht absorbiert und es für das Instrument schwieriger ist, subtile Änderungen der Reflexionen wahrzunehmen.
„Jeder Mensch ist anders. Dazu muss sich das System schnell an die individuelle physiologische Signatur jeder Person anpassen und von anderen Variationen trennen können. Wie sie aussehen und in welcher Umgebung sie sich befinden, muss ausgeschlossen werden, um die Vitalfunktionen besser verfolgen zu können “, sagt er Xin Liu , Hauptautor des Forschungs- und Doktoranden an der Paul G. Allen School of Computer Science & Engineering.
Die Forscher fanden eine Lösung für das Problem der Hautfarbe: Das System sammelt 18 Sekunden Benutzervideo, mit dem es das System kalibriert, bevor es Vitalfunktionen erkennt. Die Kalibrierungsphase kann den Hautton, das Alter des Patienten (dünne und junge Haut von Babys und Kindern verhält sich anders als die Haut eines älteren Benutzers), Gesichtsbehaarung, Hintergrund, Beleuchtung und andere Faktoren anpassen. Wissenschaftler arbeiten daran, die Leistung weiter zu verbessern, aber die Strategie hat die Genauigkeit des Systems stark erhöht.
Die Verwendung von Kalibrierung zur Optimierung der Leistung bedeutet, dass maschinelles Lernen mit kleineren Datensätzen implementiert werden kann.
Das sind gute Nachrichten für Daniel McDuff, Co-Autor und Forscher bei Microsoft Research. Aus mindestens drei Gründen:
- Kleinere Datensätze führen zu einer größeren Wahrung der Privatsphäre, da weniger Personen Informationen bereitstellen müssen.
- Maschinelles Lernen demokratisieren und einem breiteren Spektrum von Entwicklern zugänglich machen.
- Dies bedeutet, dass eine Einheit nicht im Besitz riesiger Informationsmengen bleibt, die in globalen Datensätzen erfasst sind.
Der nächste Schritt der Forscher besteht darin, die Technologie in einem klinischen Umfeld zu testen.
Telemedizin und Telediagnostik nehmen Fahrt auf
Da die digitale Gesundheit auf einer Welle der Popularität reitet, die durch Covid (und enorme Investitionen) angeheizt wird, beeilen sich Forscher, technologische Tools zu entwickeln, die eine immer genauere Gesundheitsversorgung aus der Ferne ermöglichen.
Nicht nur entfernte Vitalfunktionen
Letzten Monat hat Amazon erklärt das wird seinen Remote-Gesundheitsdienst erweitern. Wird genannt Amazon-Pflege und es war nur für Mitarbeiter reserviert. Jetzt wird es auch für Nichtangestellte sein, zuerst im Bundesstaat Washington und dann landesweit bis Ende des Jahres. Das Telemedizin-Startup in Seattle 98point6 es wächst dramatisch. Ein anderes Forscherteam (ebenfalls von der University of Washington) hat präsentierte eine Technologie Mit künstlicher Intelligenz werden intelligente Lautsprecher zu empfindlichen medizinischen Geräten, die unregelmäßigen Herzschlag erkennen können.
